1705728462
2024-01-19 21:59:04
大きな飛躍に向けて 癌 研究によると、カリフォルニア大学サンディエゴ医学部の科学者たちは、機械学習の力を利用して、化学療法に対する抵抗性の予測という、この分野で最も困難な課題の 1 つに立ち向かうことができました。
2024 年 1 月 18 日に権威ある学術誌『Cancer Discovery』に発表されたこの画期的な研究は、腫瘍内の遺伝子変異の複雑な相互作用を解読できる高度なアルゴリズムを導入し、がんが治療にどのように反応するかを予測する能力に革命をもたらしました。
他の細胞と同様に、がん細胞も細胞分裂中に DNA を複製するために複雑な分子機構に依存しています。 化学療法は通常、特に急速に分裂する腫瘍細胞において、この DNA 複製プロセスを破壊します。
しかし、腫瘍内で見つかる膨大な数の突然変異の予測不可能な性質は、薬剤耐性を予測しようとする研究者を長年困惑させてきました。
新しく開発された機械学習アルゴリズムは、多数の遺伝子変異が集合的に DNA 複製を阻害する薬剤に対する腫瘍の反応にどのような影響を与えるかを分析することで、この課題を克服します。
研究者らは子宮頸がん腫瘍に焦点を当て、そのモデルを利用して、広く使用されている化学療法薬であるシスプラチンに対する反応を予測しました。 このアルゴリズムは、治療抵抗性の影響を最も受けやすい腫瘍を特定しただけでなく、この抵抗性を駆動する根本的な分子機構も明らかにしました。
カリフォルニア大学サンディエゴ医学部医学部教授のトレイ・アイデカー博士は、この研究の重要性について次のように説明した。「臨床医はこれまで、治療抵抗性に関連するいくつかの個別の変異を認識していましたが、これらの孤立した変異は、有意な予測値を欠く傾向がありました。
「その理由は、これまで認識されていたよりもはるかに多くの突然変異が腫瘍の治療反応を形作る可能性があるためです。」
この例では、人工知能がこの複雑性を理解するための架け橋として機能し、数千の突然変異の同時分析を可能にします。
Ideker氏は、「我々のモデルは、単一の遺伝子やタンパク質に焦点を当てるのではなく、がんの生存に不可欠なより広範な生化学ネットワークを評価している」と述べた。
何百ものタンパク質が連携して機能する DNA 複製固有の複雑さにより、腫瘍が薬剤にどのように反応するかを理解する上で新たな課題が加わります。 この複雑なシステムのいずれかの部分に変異があると、化学療法に対する腫瘍の反応が変化する可能性があります。
研究者らは、がん分類のための臨床遺伝子検査で一般的に使用される 718 個の遺伝子の標準セットを利用しました。 これらの遺伝子は機械学習モデルへの初期入力を提供し、公的にアクセス可能な薬物反応データでトレーニングした後、41 個の分子集合体または協調するタンパク質のグループを特定しました。 これらのアセンブリは、遺伝子変異が薬効にどのように影響するかを理解する上で重要であることが判明しました。
「がんは、多くの相互接続された要素によって引き起こされるネットワークベースの病気ですが、治療抵抗性を予測するためのこれまでの機械学習モデルは必ずしもこれを反映しているわけではありません」とアイデカー氏は述べた。 「私たちのモデルは、がんの生存に不可欠なより広範な生化学ネットワークを評価します。」
研究者らは、腫瘍の約 35 パーセントが治療後に残存する子宮頸がんでモデルをテストしたところ、このモデルが腫瘍の特定に優れていることがわかりました。 腫瘍 治療を受けやすく、患者転帰の改善と相関します。 このモデルは、治療に抵抗する可能性が高い腫瘍も正確に特定しました。
さらに、このモデルは意思決定プロセスに関する洞察を提供し、子宮頸がんの治療抵抗性に影響を与えるタンパク質の集合体に光を当てました。
イデカー氏はモデルの透明性の重要性を強調し、「AIモデルの意思決定プロセスを解明することは極めて重要であり、時には予測そのものと同じくらい重要だ」と述べた。
研究者らは、モデルの透明性が成功の重要な要素であり、信頼できる AI システムを構築するために不可欠であると考えています。
Ideker氏は次のように説明した。「私たちのモデルの透明性はその強みの1つであり、第一にそれがモデルへの信頼を構築するため、第二に、私たちが特定したこれらの分子集合体のそれぞれが化学療法の潜在的な新たな標的になるためです。」
「私たちのモデルは、現在のがん治療を強化するだけでなく、新しい治療の開拓にも幅広く応用できると楽観的に考えています。」
#カリフォルニア大学の科学者が #を活用してがんにおける化学療法抵抗性を予測